目的 构建气管切开昏迷患者沉默性误吸风险评估指标体系。方法 在文献查阅及小组讨论基础上，于2021年9月至2023年5月采用Delphi法对29名相关领域专家进行2轮咨询，筛选优化指标条目，根据结果收集陆军军医大学第一附属医院2014年5月至2018年1月收治的RAD001化学结构315例selleck激酶抑制剂气管切开昏迷患者相关数据，构建4种机器学习模型进行评估验证，包括Logistic回归(Logistic Regression, LR)、极端梯度提升(eXtreme Gradient Boosting, XGBoost)、朴素贝叶斯(Naive Bayes, NB)、支持向量机(Support Vector Machine, SVM),通过受试者工作曲线(receiver operating characteristic curve, ROC)和曲线下面积(area under the ROC curve, AUC)、敏感性、特异性、阳性预测值immunostimulant OK-432、阴性预测值、F1分数和准确率来评估模型效能。结果 最终获得21项风险评估指标，含50个条目。2轮专家问卷咨询的积极系数分别为96.7%和100%,权威系数均为0.88,肯德尔协调系数分别为0.362、0.222(P<0.001),各条目重要性、准确性变异系数范围为0.080～0.299和0.091～0.191。LR、NB、XGboost及SVM模型的AUC依次为0.977、0.981、0.953和0.978。结论 构建了包括气切导管类型、气切导管气囊压力、机械通气、鼻饲方式、胃残余量、吞咽功能、咳嗽反射、口腔清洁度等21项风险评估指标，含50个条目，经临床验证可评估预测气管切开昏迷患者沉默性误吸风险。